dotnet/extensions 9.4.0版本发布:AI功能增强与开发体验优化
dotnet/extensions项目是微软官方维护的.NET扩展库集合,它为.NET开发者提供了各种实用的扩展功能,包括配置、依赖注入、日志记录、缓存等基础设施组件。在最新的9.4.0版本中,项目团队重点增强了AI相关功能,并优化了开发体验。
AI功能增强
本次更新在AI功能方面带来了多项重要改进:
-
ChatMessage功能增强:新增了MessageId属性,使消息跟踪更加方便。同时修复了ChatResponseUpdate分组到ChatMessage的问题,提升了消息处理的准确性。
-
函数调用优化:改进了AIFunctionFactory的功能,现在可以更好地处理缺失的必要参数,并支持自定义参数绑定和结果编组。开发者现在可以使用ActivatorUtilities.Create来创建函数实例,提供了更大的灵活性。
-
JSON Schema支持:增强了JSON Schema的生成能力,当指定RequireAllProperties时,现在会从生成的模式中去除default关键字。新增了jsonSchemaIsStrict选项到OpenAI选项映射中,提供了更严格的模式验证。
-
评估报告改进:评估报告现在支持版本控制,并修复了树形结构展开的问题。新增了趋势视图功能,可以同时查看叶子级场景运行和聚合场景组的趋势。
-
语音转文字抽象:新增了M.E.AI.Abstractions中的语音转文字抽象层,为语音处理功能提供了统一接口。
开发体验优化
-
模板改进:AI聊天模板现在默认使用刚刚构建的包,并添加了favicon。模板现在会为AIChatWeb创建指定名称的目录,提升了使用体验。
-
错误处理:改进了函数调用错误处理机制,使错误信息更加清晰。同时修复了AzureAIInferenceChatClient中空消息的处理问题。
-
配置更新:动态配置更新现在支持Random概率采样器,使配置更加灵活。
-
日志记录:Telemetry和Logging现在将{OriginalFormat}作为日志记录的最后一个属性发出,使日志格式更加规范。
性能与稳定性
-
内存优化:修复了CG Slice路径中内存使用可能为0的问题,提升了内存使用效率。
-
HybridCache改进:增强了仅包含字段类型的检测能力,参考了STJ的实现,提升了缓存的效率和稳定性。
-
构建系统:修复了多次运行构建命令时可能失败的问题,提升了开发效率。
总结
dotnet/extensions 9.4.0版本在AI功能方面取得了显著进展,特别是在聊天功能、函数调用和评估报告方面。同时,通过优化模板和开发工具,大大提升了开发者的使用体验。这些改进使得.NET生态中的AI应用开发更加高效和可靠,为开发者构建智能应用提供了更强大的支持。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00